知识嵌入与可解释机器学习优化水处理综合效益
发布时间：2025年8月24日 来源：szf
快速阅读: 研究人员开发了一种结合知识嵌入的机器学习框架，优化混凝过程中的水质、能耗和经济成本。随机森林算法表现最佳，误差率2.53%，决定系数0.9922，模型在饮用水处理厂中展示出有效性和可靠性。
研究人员开发了一种用于混凝控制的机器学习框架，该框架结合了知识嵌入技术，通过多阶段水质参数优化阈值水质、能耗和经济成本。在八种方法中，随机森林算法表现最佳，其误差率为2.53%，决定系数为0.9922。可解释性分析结果显示，模型能够准确识别混凝需求，并在去除效果与能耗及经济成本之间实现平衡。通过实际应用，该模型展示了其在饮用水处理厂中的有效性和可靠性。
(以上内容均由Ai生成)
